下载掌阅APP，畅读海量书库
立即打开
根据用户信号占用载波方式的不同，将NOMA分为单载波NOMA和多载波NOMA。
单载波NOMA指两个或者两个以上用户信号叠加在单个载波上进行传输，它是目前研究最广泛的NOMA技术。其中，PD-NOMA被认为是单载波NOMA关键技术的代表 [1] 。PD-NOMA 通过分配不同的功率区分承载在同一载波上不同用户设备（User Equipment,UE，以下简称用户）的信号。当前，PD-NOMA已经被广泛深入地研究，本节从系统模型和接收机设计的角度对其进行简要概述。
PD-NOMA 首先在功率域上叠加多个用户的信号，然后采用先进的 MUD接收机来区分不同用户，以支持在相同的时间和频率资源上进行可靠的多址接入。PD-NOMA在下行和上行中使用不同的SIC接收机，并且利用了用户之间信道条件的差异，因此在频谱效率和用户公平性方面优于OMA [2-3] 。
下行PD-NOMA示意
[4]
如图2-1所示，基站（Base Station,BS）以发射功率
将信号
x
i
发送给用户
i
(
i
=1,2)，其中，
,
E
[|
x
i
|
2
]=1。在下行PD-NOMA中，BS发送的叠加信号可表示为
，用户
i
收到的信号是
y
i
=
h
i
x
+
n
i
，其中
h
i
是用户
i
到BS的信道增益，
n
i
表示用户
i
在接收机处的加性高斯白噪声（Additive White Gaussian Noise,AWGN），功率为
N
i
。假设用户1是小区中心用户，用户2是小区边缘用户，|
h
1
|＞|
h
2
|，这时用户1根据信道增益升序进行SIC解调。在没有错误传播的情况下，下行用户1和用户2的可达数据速率分别为
上行PD-NOMA示意
[4]
如图2-2所示，用户
i
发送的信号记为
x
i
，发射功率是
,
E
[|
x
i
|
2
]=1 (
i
=1,2 )。BS 接收到的叠加信号可以表示为
，其中
h
i
是用户
i
到BS的信道增益，
n
0
是在基站接收机处功率为
N
0
的AWGN。
对于上行PD-NOMA,BS根据信道增益降序进行SIC解调，从而减少错误传播，此时，上行用户1和用户2的可达数据速率分别为
图2-1 下行PD-NOMA示意
图2-2 上行PD-NOMA示意
使用SIC接收机的PD-NOMA可以在下行总吞吐量和小区边缘用户的吞吐量方面得到20%以上的增益 [5] 。
与单载波NOMA不同，多载波NOMA基于不同的码字和图样区分用户，例如 PDMA 和 SCMA。PDMA 通过采用多用户特征图样矩阵来实现非正交传输，并在接收机处采用置信传播（Belief Propagation,BP）和基于BP的联合检测译码（Belief Propagation Iterative Detection and Decoding,BP-IDD）等算法来区分用户信号。同时，SCMA以稀疏扩展模式将用户的编码比特直接映射到多维码字，并在接收机处利用最大后验等算法来实现多个用户叠加信号的检测。单载波NOMA和多载波NOMA的对比示意如图2-3所示。
图2-3 单载波NOMA和多载波NOMA的对比示意
注：资源粒子（Resource Element,RE），即资源栅格中的最小单元。
利用时间、频率、空间域资源叠加传输多用户信号的PDMA可以有效地增加接入用户数量 [6-7] 。PDMA是典型的多载波NOMA技术，用户信号可以通过分集的方式映射到不同数量的载波上，这样可以通过基于最大比合并（Maximal Ratio Combining,MRC）和BP的先进接收机来增加可靠性。为了降低系统复杂度，应将用户数据稀疏地映射到不同的载波上。
当一个用户具有的分集度越多时，数据传输越可靠，并且其信号应该优先被解码，以减少错误传播。因此，为了设计最优的PDMA图样矩阵，应该联合考虑过载因子、分集和检测的复杂度。
文献[8]研究了上行免调度PDMA的资源分配和传输机制，并验证了免调度PDMA方案可以有效地支持mMTC场景中的大规模连接。为了减轻PDMA中信号叠加引起的用户间干扰，可以在接收机处采用先进的MUD，比如BP算法。一方面，PDMA 图样矩阵的稀疏性可以降低 BP 接收机的复杂度；另一方面，PDMA 的不同传输分集阶数可以加速 BP 的收敛 [6] 。接收机可以通过类似SIC的干扰消除（Interference Cancellation,IC）增强方案来获得更好的性能，例如最大似然（Maximum Likelihood,ML）-IC，最小均方误差（Minimum Mean Square Error,MMSE）-IC [9] 和BP-IDD-IC。此外，基于BP的改进算法（如 BP-IDD [10] ）也被提出，并通过添加外部迭代器增加了其可靠性。
考虑到计算复杂度和检测算法的性能，BP 和 IC 算法更适用于具有稀疏PDMA模式和低过载因子的PDMA。BP-IDD和MMSE-IC具有良好的性能，并且在接收机处具有较低的复杂度，自适应的BP-IDD-IC在高信噪比（Signal to Noise Ratio,SNR）区域具有很大的优势。此外，ML-IC算法可以在接收机处以高计算复杂度为代价获得最佳检测性能，更适用于高可靠性通信。通常可以选择合适的接收机算法来满足不同通信场景的需求。
SCMA是由Nikopour等 [11] 提出的，它采用多维调制和稀疏码扩展，能支持较低复杂度的接收机。在SCMA中，数据流被映射到多维码本中，不同用户被分配唯一码字，每个码字包括对应于子载波的特定位置。在不同的码本中，可以通过映射位置区分用户，对于每个用户，可以通过唯一码本将数据流映射到相应的载波。
由因子图和多维星座组成的码本设计是SCMA非常重要的技术之一，能够决定传输的可靠性和解码时延。由于每个用户的码本是通过母星座旋转一定角度生成的，因此每个用户的信号都是伪正交的，BS则可以通过不同的载波映射来区分多用户信号。系统级码本设计方法见文献[11-12]，从中可以了解到，目前各种能达到目标增益的SCMA码本设计已经相当成熟。
为了满足大规模连接的需求，SCMA接收机采用了基于低密度签名序列的消息传递算法（Message Passing Algorithm,MPA）进行MUD设计。然而，由于MPA具有相对较高的计算复杂度，因此有必要寻找一种可以降低其复杂度，但又不会显著降低可靠性的解决方案。文献[13-14]提出了充分利用编码增益和分集增益的迭代MUD，而SCMA码本的独特结构和特定因子图可被用于有效降低解调解码复杂度。此外，文献[15-16]针对 SCMA 提出了两种低复杂度的MPA检测算法，能够在保持可靠性的前提下降低计算复杂度。文献[17]提出了基于阈值的低复杂度MPA，在迭代过程中通过特定阈值进行确定性检查，将正确解码的用户置于确定集中，这样可以减少不必要的迭代。目前，关于SCMA接收机的研究主要针对在不增加复杂度的情况下保持可靠性，对低复杂度接收机的研究尤其值得关注，因为它们更适合被部署在低时延物联网通信中。
与传统OMA相比，NOMA可以提供更高的频谱效率和可达数据速率。到目前为止，对单载波NOMA的研究已经比较成熟，但对多载波NOMA的研究还稍有欠缺，多载波NOMA与其他通信技术，尤其是与其他5G关键技术的结合仍处于起步阶段。协作多载波NOMA、MIMO增强型多载波NOMA以及在超密集网络中部署多载波NOMA都值得进一步探索，这些技术在5G时代都具有广阔的应用前景。